项目成员：符谷标

指导教师：董德鹏

作品简介：海马体作为大脑中与记忆和学习功能紧密相连的关键区域，其精准分割对于神经科学探索以及相关疾病的早期诊断具有重要的意义。本研究聚焦于提升海马体分割效率与精准度，推动海马体异常相关疾病的早期诊断，为医学研究与临床治疗提供有力支持。

图1作品功能展示图

图2EGE-UNet网络结构图

项目创新点：

（1）技术创新：本研究的创新之处在于提出了一种参数少、计算量小的分割模型，并通过GFF模块优化了对小目标的分割性能。该系统适用于智能边缘应用，并能为神经科学研究和临床诊断提供支持，具有显著的社会和经济效益。然而，研究过程中也发现了一些有待改进的地方，如模型在处理极不平衡数据时的局限性，以及系统的实时性和大规模部署能力的提升空间。

（2）应用创新：本研究聚焦于设计和实现一个基于深度学习的海马体核磁共振（MRI）图像分割系统，旨在提升分割的准确性和效率，减少对专家经验的依赖，以支持神经科学研究和临床诊断。海马体是大脑中与多种神经退行性疾病相关的关键结构，其异常变化的自动检测对于早期诊断至关重要。然而，传统的手动分割方法费时且依赖专家经验，难以满足大规模应用的需求。因此，本研究开发了一个自动化的海马体分割系统，具有重要的科学和临床价值。